LLM Pazarlıklarında Fayda Odaklı Geri Bildirim Performansı Artırıyor
LLM Pazarlıklarında Fayda Odaklı Geri Bildirim Performansı Artırıyor
Pazarlıkta büyük dil modellerinin insan tercihlerine yaklaşmasını sağlayan yeni bir fayda odaklı çerçeve, stratejik derinlik ve karşı taraf farkındalığını artırıyor.
Önemli Noktalar
- AgoraBench, dokuz zorlu senaryoyu kapsayan yeni bir benchmark sunuyor.
- Ekonomik temelli metriklerle pazarlık performansı insan tercihleriyle uyumlu ölçülüyor.
- Fayda odaklı veri seti ve öğrenme süreci, LLM’lerin stratejik pazarlık yeteneğini güçlendiriyor.
Çerçevenin Tanıtımı
Büyük dil modelleri (LLM’ler), pazarlık süreçlerinde insan faktörlerinin karmaşıklığına uyum sağlamakta zorlanıyor ve mevcut benchmarklar bu eksikliği yeterince yansıtmıyor. Bu açığı kapatmak için geliştirilen fayda odaklı geri bildirim çerçevesi, LLM’lerin pazarlık performansını insan tercihlerine daha yakın hale getiriyor.
Teknik Detaylar
AgoraBench adlı yeni benchmark, dokuz farklı zorlu pazarlık ortamında (örneğin aldatma, tekel) çeşitli stratejilerin modellenmesini mümkün kılıyor. Fayda teorisinden türetilen ekonomik temelli metrikler; ajan faydası, pazarlık gücü ve edinim oranı gibi ölçütlerle, pazarlığın insan tercihleriyle ne kadar uyumlu olduğunu değerlendiriyor.
Veri Seti ve Öğrenme Süreci
İnsan tercihleriyle uyumlu olarak oluşturulan veri seti ve öğrenme hattı, hem promptlama hem de ince ayar ile LLM’lerin pazarlık yeteneklerini geliştiriyor. Bu yaklaşım sayesinde modeller daha derin stratejik davranışlar sergileyip karşı tarafın hamlelerini daha iyi analiz edebiliyor.
Sonuçlar ve Etki
Yapılan deneyler, mevcut LLM stratejilerinin insan tercihlerinden sıklıkla saptığını gösterirken, önerilen çerçeve ile pazarlık performansında belirgin bir iyileşme sağlanıyor. Fayda odaklı yaklaşım, LLM’lerin pazarlıkta daha etkili ve insan odaklı kararlar almasına olanak tanıyor.
Kaynak: arxiv.org